DualEntry基准测试发现：Google的Gemini 4 Argon是会计工作中准确性和一致性最高的AI模型

DualEntry基准测试提供了衡量AI模型在会计方面表现的具体指标，重点关注准确性和一致性。Gemini 4 Argon以91.1%的准确度和86.1%的多轮一致性领先，这表明其可靠性对于错误代价高昂的专业应用尤其重要。该基准测试的方法学，即对模型进行三次运行测试，有助于区分偶尔表现良好和能可靠保持性能的模型。

结果还凸显了最广为人知的AI开发商之外的竞争格局。智谱AI的GLM-5.3 Flash并列第二，表明在亚洲有强大影响力的开发商所开发的模型在专业领域也取得了可比的性能。这表明高性能AI模型的开发并不仅限于少数全球巨头。

尽管该基准测试侧重于会计任务，但其发现为当前AI模型的能力提供了更广泛的见解。以高准确度持续处理复杂、基于规则的任务的能力，是企业广泛采用AI的关键一步。然而，重要的是要考虑到，受控环境下的基准测试性能并不能完全反映实际部署的复杂性，实际部署通常涉及与现有系统集成、处理模糊输入以及适应不断变化的业务规则。